Skip to main content
Glama
deenesjakoruzh
jiteshzope

Developer Productivity MCP

by jiteshzope
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

Developer Productivity MCP

GitHub、Jira、およびエンジニアリングメトリクスの機能をMCPツールとして公開するFastMCPサーバーに加え、それらをマルチステップワークフローとして駆動するOpenAI Agents SDKクライアントです。

                         ┌──────────────────┐
                         │      User        │
                         └────────┬─────────┘
                                  │
                                  ▼
                         ┌──────────────────┐
                         │ OpenAI Agent     │
                         │ Agents SDK       │
                         └────────┬─────────┘
                                  │
                            MCP Protocol
                                  │
                                  ▼
                    ┌─────────────────────────┐
                    │ FastMCP Server          │
                    │                         │
                    │ search_github_code      │
                    │ get_jira_sprint_status  │
                    │ analyze_pull_request    │
                    │ query_project_metrics   │
                    └──────┬──────┬──────┬────┘
                           │      │      │
                     GitHub API  Jira   PostgreSQL

モデルはGitHub、Jira、PostgreSQLと直接通信することはありません。MCPサーバーが認証情報、ページネーション、エラーハンドリング、レスポンス整形を担当し、事実を返します。エージェントは推論と説明を担当します。したがって、散文はツールではありません。説明ツールを追加すると、判断がサーバー側に押し込まれることになりますが、サーバーは他のツールの結果を見ることができないからです。

4つのツール

ツール

バックエンド

APIラッパーとしての機能

search_github_code

GitHub REST

検索結果を {repository, path, name, url} に正規化します

get_jira_sprint_status

Jira Agile

完了率、ストーリーポイント進捗、ブロック/高優先度/期限超過/未割り当て/リスクのあるチケット、スプリントのリスクレベル

analyze_pull_request

GitHub REST

差分の静的解析: セキュリティ、データベース、API契約、依存関係、テスト検出、削除コード解析、リスクレベルのスコアリング、破壊的変更とレビュー推奨事項

query_project_metrics

PostgreSQL

許可リストに基づく6つのメトリクス — モデルはメトリクス名を選択し、SQLは使用しない

レイアウト

.
├── main.py                     # agent-side CLI entry point
├── .env.example
├── agent/
│   ├── developer_agent.py      # agent definitions + instructions
│   └── workflows.py            # multi-step agentic workflows
├── src/
│   ├── config.py               # MCP server environment
│   ├── pr_analysis.py          # PR static-analysis helpers
│   └── server.py               # FastMCP server + the four tools
└── sql/
    └── schema.sql              # tables backing query_project_metrics

セットアップ

uv sync
cp .env.example .env      # then fill in your credentials
psql "$DATABASE_URL" -f sql/schema.sql

実行

ターミナル1 — MCPサーバー（http://localhost:8000/mcp 上のStreamable HTTP）:

uv run python -m src.server

ターミナル2 — エージェントワークフロー:

# GitHub code search
uv run python main.py search --repository my-org/payments-api --query retry

# pull-request risk analysis
uv run python main.py pr --repository my-org/payments-api --number 142

# the full multi-tool sprint investigation
uv run python main.py sprint --project PAY --sprint 42

MCP_TRANSPORT=stdio は、サーバーをサブプロセスとして起動するクライアント向けに、代わりにstdio経由でサーバーを実行します。

エージェントワークフロー

main.py sprint は1つの自然言語の質問を投げかけ、エージェントがどのツールをどの順序で呼び出すかを決定します:

1. get_jira_sprint_status()
             ↓
2. Agent selects the tickets worth investigating
             ↓
3. search_github_code()
             ↓
4. analyze_pull_request()
             ↓
5. query_project_metrics()
             ↓
6. Agent generates explanation

ステップ2ではツール呼び出しは不要です。get_jira_sprint_status はすべての課題をすでに保持しているため、ブロック/高優先度/期限超過の分類はそこで行われ、エージェントは返された blocked_tickets と high_priority_tickets を基に推論して、次に何を調べるかを選択します。これを2回目のラウンドトリップに分割すると、1回のリクエストを消費するだけで、何も得られません。

設計メモ

  • analyze_pull_request は、コードを読むLLMではなく、ファイル名、差分パッチ、パターンマッチからリスクをスコアリングします。これは低コストで決定的で再現可能です。最高リスクのパッチに対するLLMレビューステージが計画中の拡張です。

  • JiraのストーリーポイントのカスタムフィールドIDとボードIDはインストール環境ごとに異なるため、JIRA_BOARD_ID と JIRA_STORY_POINTS_FIELD は定数ではなく設定値です。

  • query_project_metrics は sql/schema.sql 内のテーブルを読み取ります。これらのテーブルは、GitHub/Jira/CD履歴を読み込む取り込みジョブを想定しています。

This server cannot be installed

-
license - not tested
-
quality - not tested
B
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/jiteshzope/Custom-MCP-server-Agentic-workflow-for-developer-productivity'

If you have feedback or need assistance with the MCP directory API, please join our Discord server